今年3月，家住南充市顺庆区的熊大爷（化名）前往川北医学院附属医院看病。在诊室里，76岁的熊大爷自述胸口闷，有高血压和糖尿病，爬楼梯时常感觉气短。医生通过该院本地化部署的AI辅助模型，结合熊大爷的主诉、既往病史和心电图检查等数据，得出冠心病的初步怀疑诊断——在AI模型的帮助下，熊大爷的病情确诊比常规诊断快了许多。
医生还发现，AI模型还依据熊大爷的糖尿病史，建议患者避免服用非甾体抗炎药，为患者的后续用药规避了不少的风险和禁忌。
随着越来越多的医疗机构部署DeepSeek等AI大模型，医务人员们的各环节工作都有了一个能迅速响应的高效助手。川北医学院附属医院信息科负责人段涛介绍说，在医院使用的AI辅助并非仅限于一个类似聊天窗口的数字区域，它不仅提高了诊疗的效率和精准度，还让医院和医学发展的未来提供了更多可能。
那么，医院是怎么使用AI模型辅助诊疗的呢？为医生和患者带来了哪些帮助？记者在川北医学院附属医院了解了该院在“AI+医疗”方向的实践。
高效运转
解决医护工作的“多繁难”
段涛介绍说，在DeepSeek大模型出现并轰动网络之初，川北医学院附属医院就在密切关注相关进展，其向社会公众的开源带来了重大机遇：“AI模型不是简单的搜索引擎或者聊天工具，它不仅整合了大量的数据和信息，还有强大的自我学习和进化能力。所以当DeepSeek出现以来，我们就非常期待他们能够尽快落地到我们医院，做一些可能放在一年前都意想不到的辅助工作。”
据了解，川北医学院附属医院在今年初启动了DeepSeek模型的训练和本地化部署推出轻量化版本，今年2月底，该院实现了DeepSeek -R1满血版，其参数规模达到671B，成为川东北首家实现千亿级参数大模型本地化部署应用的医疗机构。
如此大规模的参数意味着什么呢？段涛告诉记者，AI模型版本和功能的进化，相当于送模型去“读”了个“大学”，不仅知识储备提升，其思考问题也更为全面和迅速：“以前只是实现一些临床诊疗建议等比较基础的协助，现在这个模型可以在深化AGI在临床诊疗、精细化管理、医学研究等场景的应用，为区域医疗智能化升级提供可复制的实践经验。”
在该院的门诊，医生可以直接在电子病历系统调出AI助理模块，在浏览患者病例期间，AI模型可阅览患者主诉、病史和检验检查报告，通过读取和理解最新临床指南，以秒为单位生成治疗计划、用药方案和检查建议。“患者如果有病程变化，AI还会主动更新治疗方案，实现更精准更动态的诊疗。”据了解，AI助理部署到门诊端后，医生诊断决策效率提高了30%。
段涛告诉记者，除了在门诊提供协助，AI模型还被接入了检验检查质控、医院数据动态管理和诊疗行为规范等领域，通过全方位的训练和本地化部署，这个DeepSeek本地化模型已成为从业务到管理的“全能助手”。
在该院的放射科，DeepSeek以“数智质控员”的身份默默守候在医生们的后方，它可自动抓取影像报告内容，精准拦截术语偏差、格式错误等常见问题同时生成可视化质控报表，使医生得以将精力集中于专业判读，大幅降低了报告疏漏风险。据科室统计，该应用投用后，全院影像报告质控效率提升了300%，报告的读取更加快速和精确，进一步避免了误诊和漏诊。
在医院管理部门，DeepSeek化身“数据分析员”，接入了公立医院绩效考核系统，能对各类绩效数据进行深度挖掘分析，提出结构化数据分析报告，包括现状分析、异常警示、趋势分析、优化建议、风险预警等，为运营决策提供更直观的参考。
潜力无限
打造“云上老专家”的数字资产
“我们现在使用了很多的方法去训练和应用AI大模型，目前取得了很多初步的成效，确实对诊疗效率的提升提供了明显的帮助。”在段涛眼里，AI在医院的应用范围还远不止于此，除了临床上的应用，在学术学科建设，乃至专家经验库的收集应用，川北医学院附属医院已经开始着手更多的可能。
记者了解到，川北医学院附属医院面向全院干部职工做了调研，了解他们在实际工作中遇到的难题，以及用算法模型解决问题的可能性，收集了不少的建议。“我们收集了建议后进行了研究，目前正在推动更多新想法的落地。”段涛说，介于医院背靠高校的特点，信息部门计划和川北医学院合作开发集科研文献查阅、核准和辅助研究为一体的AI模型，为医学生和医护人员提供高效的教学科研平台：通过整合海量的国内外文献库，让大家不用再在浩如烟海的文献库中费心查阅。
基于AI模型强大的学习运算能力，川北医学院附属医院还产生了一个新想法。“老专家和老教授们会因年龄等问题，没有办法在未来提供长时间的医疗服务，但AI可以储存和学习他们的知识储备、临床经验甚至诊疗风格，通过整合这些资料，然后对算法模型加以训练，是有可能把这些老专家们的知识财富转化为数字资产。”段涛说，即便专家们离开工作岗位，这些“云上专家”还能一直活跃在一线，“理论上说，这些‘云上专家’还能通过吸纳新的医学成果和理念实现数据、经验更新。虽然这个工作还在策划设想阶段，但我相信可以实现，让老专家们的知识财富持续服务患者。”
理性应用
AI协助下仍需自主研判
尽管AI模型为医疗工作带来了显著效率提升，川北医学院附属医院始终将诊疗安全与人为决策置于核心地位。段涛介绍道：“AI是‘助手’而非‘替代者’，医生的临床经验与专业判断仍是诊疗不可逾越的底线。”
为此，医院构建了多层次保障机制，确保AI应用与医疗规范深度协同。该院明确规定，所有AI生成的诊断建议、检查报告或用药方案均需经过主治医师的最终审核。在放射科，医师需对每份报告进行独立复核，针对AI与医生判断不一致的情况，该院还通过集体讨论确定诊疗方案，避免算法局限性导致的误判风险。
据了解，川北医学院附属医院通过优化人机协同机制，让AI模型通过分析症状关联性发挥独特优势。若患者出现多个非典型症状且与常见病、弱相关，系统会自动触发罕见病预警，提示医生进一步排查。这种“AI提示+医生决策”的模式，既提升了诊断灵敏度，又避免了过度依赖技术导致的思维固化。
“AI的价值在于拓展医生的能力半径，而不是压缩其决策空间。下一步，我们将持续收集医务人员的人机协同工作经验，尝试让算法持续学习医生的修正意见，形成‘越用越精准’的良性循环。”段涛介绍说。
记者手记
算法时代 处方权仍在医生手里
在川北医学院附属医院的诊室里，AI助理的介入让熊大爷的冠心病诊断效率大幅提升，甚至规避了潜在的用药风险。这一幕生动展现了“AI+医疗”的潜力——算法不仅能快速整合海量数据，还能通过“自进化”能力为诊疗提供动态支持。然而，在这背后，医院对AI模型的审慎态度更值得关注：技术再先进，处方权始终牢牢握在医生手中。
AI模型的功能确实令人惊叹。从秒级生成诊疗方案，到自动拦截影像报告中的术语偏差，再到为医院管理提供数据决策支持，其效率提升肉眼可见。但这些成果并非“即插即用”。川北医学院附属医院在部署DeepSeek模型时，投入了大量精力进行本地化训练和专业数据校准，确保其建议符合临床指南和医院实际需求。这种“慢工出细活”的部署逻辑，应该是医疗AI落地的关键前提。
如今许多AI模型被开放使用，门槛不高，但算法“反客为主”的风险应始终警惕。无论是门诊诊断还是影像质控，AI生成的结论必须经过医生复核，甚至针对分歧案例组织专家讨论。AI或许能拓宽医生思路，但若盲目采纳，反而可能导致误诊。患者的生命健康，终究需要医生的专业判断与责任感来托底。
无论技术如何迭代，其核心逻辑从未改变：AI是工具，而非主角。在算法席卷各行各业的今天，医疗领域的这份清醒尤为珍贵——因为生命的复杂和珍贵，永远不能被算法和数据完全量化。（大众健康报记者 白华宇）
【未经授权，严禁转载！联系电话028-86968276】
